Alibaba пусна Wan 3.0: Генериране на 30-секундни ИИ видеа от презентации, документи и текст
Изображение: Svetni.me / Авторско изображение
Технологичният конгломерат Alibaba Group представи публичната бета-версия на своя нов мултимодален модел за генериране на видео с изкуствен интелект — Wan 3.0 [1]. Разработката бележи сериозен технологичен напредък, като предлага два пъти по-голяма дължина на генерираните клипове в сравнение с предходната версия Wan 2.5, достигайки до 30 секунди [1].
Изображение: Svetni.me / Авторско изображение
От статични документи към динамични кадри
Една от най-впечатляващите функции на Wan 3.0 е способността му да превръща статични бизнес данни и файлове в динамично видео съдържание [1]. Потребителите могат да качват не само текстови подкани и изображения, но и цели уеб страници, PDF файлове или PowerPoint презентации [1]. Моделът може да обработва едновременно широк набор от мултимодални референции в рамките на една заявка, включително до десет изображения, пет видеоклипа и пет аудио записа [1].
За да се справи с традиционните проблеми при ИИ видеогенерацията — като визуално изкривяване и загуба на детайли в лицата или софтуерните интерфейси — Wan 3.0 осигурява висока степен на физическа и времева последователност [1]. Моделът прецизно съхранява чертите на персонажите, реквизита и пространственото оформление през целия времеви интервал, като същевременно предлага функции за автоматично удължаване на съществуващи видеа и интелигентна препоръка за оптимална дължина [1].
Ценообразуване и облачен достъп
Новата система вече е достъпна за тестове през уебсайта wan.video, платформата Alibaba Cloud Model Studio и чрез API достъп в платформата Qwen Cloud [1]. Услугата се предлага в две нива — Standard (с текуща промоционална отстъпка от 30%) и по-бързата Prime версия [1]. Всеки нов потребител получава безплатен лимит за генериране на 30 секунди видео [1].
Ценообразуването е разделено на нива в зависимост от резолюцията на изходния файл [1]:
| Резолюция | Стандартна тарифа (на сек.) | Prime тарифа (на сек.) | 30-секундно видео (Стандартно) | 30-секундно видео (Prime) |
|---|---|---|---|---|
| 480p | $0.05 | $0.068 | $1.50 | $2.04 |
| 720p | $0.10 | $0.14 | $3.00 | $4.20 |
| 1080p | $0.20 | $0.28 | $6.00 | $8.40 |
С оглед на текущата промоция от 30%, действителните цени за стандартното генериране спадат съответно до $0.035 за 480p, $0.07 за 720p и $0.14 за 1080p на секунда, което прави едно 30-секундно Full HD видео на цена от $4.20 вместо стандартните $6.00 [1].
Стратегическо приложение и финансово изражение
Alibaba позиционира Wan 3.0 като инструмент за широк спектър от индустрии — от комерсиалната филмова и рекламна индустрия до генерирането на реалистични симулации за обучение на автономни превозни средства и роботика [1]. Стартирането на модела съвпада с агресивната експанзия на компанията в сектора на изкуствения интелект. Наскоро конгломератът обяви най-голямата продажба на акции от листвана в Хонконг компания, целяща да набере средства за ИИ хардуер и изследвания [1]. Това се случва на фона на отчетен спад от 75% в тримесечната печалба на Alibaba на годишна база, дължащ се главно на драстично увеличените капиталови разходи за изкуствен интелект [1].
Източници: